实战文本生成、智能问答、信息抽取、财务预警应用开发，掌握ChatGLM3大模型部署、开发与微调技术
01
本书内容
《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch 2.0深度学习从零开始学》的姊妹篇，专注于大模型的本地化部署、应用开发以及微调等。《ChatGLM3大模型本地化部署、应用开发与微调》不仅系统地阐述了深度学习大模型的核心理论，更注重实践应用，通过丰富的案例和场景，引导读者从理论走向实践，真正领悟和掌握大模型本地化应用的精髓。
全书共分13章，全方位、多角度地展示了大模型本地化实战的完整方案，内容包括大模型时代的开端、PyTorch 2.0深度学习环境搭建、基于gradio的云上自托管ChatGLM3部署实战、使用ChatGLM3与LangChain实现知识图谱抽取和智能问答、适配ChatGLM3终端的Template与Chain详解、ChatGLM3多文本检索的增强生成实战、构建以人为本的ChatGLM3规范化Prompt提示工程、使用ChatGLM3的思维链构建、GLM源码分析与文本生成实战、低资源单GPU微调ChatGLM3实战、会使用工具的ChatGLM3、上市公司财务报表非结构化信息抽取实战、上市公司财务报表智能问答与财务预警实战。
02
本书作者
王晓华，高校计算机专业讲师，研究方向为云计算、大数据与人工智能。著有《PyTorch语音识别实战》《从零开始大模型开发与微调：基于PyTorch与ChatGLM》《PyTorch 2.0深度学习从零开始学》《Python机器学习与可视化分析实战》《谷歌JAX深度学习从零开始学》《Spark 3.0大数据分析与挖掘：基于机器学习》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow+Keras自然语言处理实战》《TensorFlow 2.0卷积神经网络实战》《Keras实战：基于TensorFlow2.2的深度学习实践》《TensorFlow 2.0深度学习从零开始学》《深度学习的数学原理与实现》。
03
本书读者
《ChatGLM3大模型本地化部署、应用开发与微调》适合大模型的初学者、有一定基础的大模型研究人员、大模型应用开发人员。同时，《ChatGLM3大模型本地化部署、应用开发与微调》还可作为高等院校或高职高专相关专业大模型课程的教材，助力培养新一代的大模型领域人才。
04
编辑推荐
通过多个实战案例，快速掌握大模型应用开发与微调技术
基于网页端的ChatGLM3部署
基于私有云服务的ChatGLM3部署
猫狗分类可视化训练与预测
搭建专业问答机器人
实战知识图谱抽取与智能问答
撰写剧情梗概、评论与宣传文案实战
多文本检索的增强生成实战
结合提示工程的网页搜索服务实战
基于ChatGLM3的思维链实战
GLM文本生成实战
单GPU微调ChatGLM3实战
个人助理之美妆助手实战
上市公司财务报表非结构化信息抽取实战
上市公司财务报表智能问答与财务预警实战
本文摘自《ChatGLM3大模型本地化部署、应用开发与微调》，获出版社和作者授权发布。
ChatGLM3大模型本地化部署、应用开发与微调（人工智能技术丛书）
